Sistema de classificação e resposta de tickets de suporte ao cliente (ClassifyXR.ai)
Visão geral
O Sistema de Classificação e Resposta de Tickets de Suporte ao Cliente é uma ferramenta sofisticada projetada para automatizar e elevar a experiência de atendimento ao cliente. Este sistema integra modelos avançados de IA e técnicas de geração aumentada de recuperação (RAG) para classificar tickets, avaliar a urgência, avaliar o sentimento do cliente e extrair informações importantes. Ele recupera documentos relevantes da base de conhecimento para informar e gerar respostas empáticas e contextualmente precisas. Ao aproveitar a integração de IA multimodelo, o processamento paralelo e a utilização abrangente da base de conhecimento, este sistema melhora significativamente os tempos de resposta, a satisfação do cliente e a eficiência operacional das equipes de suporte.
Características
- Integração de IA multimodelo : aproveita vários modelos de código aberto, incluindo LLaMA 3.1, Mistral e Gemma:7B-Instruct, para processar e classificar tickets de suporte ao cliente. O sistema seleciona a resposta mais precisa com base em uma pontuação de confiança.
- Processamento Paralelo : Implementa o processamento paralelo usando
ThreadPoolExecutor , permitindo que o sistema execute vários modelos simultaneamente. Isso reduz o tempo de resposta, mantendo resultados precisos e de alta qualidade. - Integração com base de conhecimento : suporta carregamento e processamento de documentos de uma base de conhecimento, incluindo arquivos PDF, DOCX, TXT e JSON. Utiliza bancos de dados de vetores FAISS para recuperação rápida e precisa de informações relevantes com base nas consultas dos clientes.
- Geração Aumentada de Recuperação (RAG) : Aprimora a geração de respostas recuperando os documentos mais relevantes da base de conhecimento usando Relevância Marginal Máxima (MMR). As informações recuperadas são integradas ao modelo generativo para produzir respostas contextualmente precisas e informativas.
- Respostas baseadas no contexto : gera respostas enriquecidas com insights do cliente, histórico de comunicação anterior e informações específicas recuperadas da base de conhecimento. Garante que as respostas sejam empáticas, relevantes e alinhadas com as necessidades do cliente.
- Contexto de negócios personalizável : adapta respostas a contextos de negócios específicos, integrando dinamicamente informações de negócios relevantes na geração de respostas. Suporta várias categorias de tickets, como pedidos, contas, problemas técnicos, cobrança e muito mais.
- Detecção de sentimento e urgência : detecta automaticamente o sentimento (por exemplo, frustração, raiva) e a urgência dos tickets, priorizando tickets de alto impacto para revisão manual pelos agentes de suporte quando necessário.
- Respostas estruturadas : garantem que as respostas sejam estruturadas de acordo com esquemas JSON predefinidos, fornecendo insights claros e práticos para as equipes de suporte ao cliente.
- Tratamento de solicitações de recursos : gerencia solicitações de recursos recuperando informações relevantes do produto da base de conhecimento, orientando os clientes sobre recursos existentes que possam atender às suas necessidades.
- Integração de insights do cliente : incorpora insights do cliente, incluindo dados demográficos, preferências e localização, no processo de classificação e resposta de tickets, personalizando a experiência de suporte.
- Utilização do histórico de comunicação anterior : recupera e integra o histórico de comunicação anterior para fornecer respostas contextualmente precisas e consistentes, melhorando a experiência geral de suporte ao cliente.
Uso
- Defina seus tickets de suporte como strings.
- Use a função
classify_and_response para obter dados de classificação estruturados e gerar respostas contextualmente enriquecidas. - O sistema recuperará automaticamente documentos relevantes da base de conhecimento para informar a geração de respostas.
Instalação
Pré-requisitos
- Python 3.7 ou superior
- Gerenciador de ambiente virtual (
venv )
Configurar
Siga estas etapas para configurar o ambiente do projeto e instalar dependências:
Clone o repositório :
git clone https://github.com/prdepyadv/classifyxr.ai.git
Navegue até o diretório do projeto :
Crie um ambiente virtual :
. . v env S cripts A ctivate.ps1 # (For Windows)
or
. venv/bin/activate # (For Linux or MacOS) Instale as dependências do projeto :
pip install -r requirements.txt
Gere um token secreto (opcional) :
python -c ' import secrets; print(secrets.token_hex()) '
Copiar variáveis de ambiente :
Configurar variáveis de ambiente : edite o arquivo .env para configurar as variáveis de ambiente necessárias de acordo com sua configuração.
Executando o aplicativo
Para iniciar o aplicativo Flask, use o seguinte comando:
Contribuições e Personalização
- Ajuste business_context e system_prompt para melhor se adequar ao seu contexto de negócios.
- Experimente diferentes modelos ou incorporações de IA para melhorar o desempenho.
- Personalize as configurações do banco de dados de vetores (por exemplo, FAISS) para otimizar a recuperação com base na sua base de conhecimento.
- Ajuste os modelos se você tiver dados específicos de tickets para treinamento para melhorar a classificação e a precisão das respostas.
Isenção de responsabilidade
Garanta a conformidade com todas as regulamentações de privacidade de dados ao usar modelos de IA para processamento de dados de clientes.
